I pipistrelli si orientano da millenni nel buio più totale con una precisione straordinaria, emettendo suoni e interpretandone l'eco di ritorno. Questo affascinante meccanismo biologico, noto come ecolocalizzazione, ha ora ispirato un team di ricercatori dell'Università del Michigan a compiere un passo da gigante nel campo della percezione artificiale.
Grazie ai finanziamenti dell'US Army Research Office, hanno sviluppato un sistema che conferisce a droni e robot una sorta di "vista ultrasonica", permettendo loro di muoversi e mappare l'ambiente circostante senza fare affidamento su telecamere, GPS o sensori laser. Questa tecnologia apre scenari inediti per le operazioni in condizioni estreme, dove la visibilità è completamente assente.
Il principio alla base è concettualmente semplice, ma tecnologicamente avanzato. Il sistema emette impulsi sonori ad alta frequenza, del tutto simili a quelli usati da pipistrelli e delfini, e poi analizza le onde sonore che rimbalzano sugli ostacoli. A differenza della luce, il suono non viene bloccato dal fumo, dalla polvere o dall'oscurità, rendendo questa soluzione ideale per scenari critici come edifici crollati dopo un terremoto, zone di combattimento o ambienti industriali saturi di particolato.
Il cuore di questa innovazione è un modello di AI particolarmente ingegnoso, basato su un insieme di reti neurali convoluzionali (CNN). Anziché avere un'unica AI che deve imparare tutto, i ricercatori hanno addestrato diverse reti specializzate, ognuna capace di riconoscere la "firma" acustica di una forma specifica. Questo approccio modulare è incredibilmente efficiente: per insegnare al sistema a riconoscere un nuovo oggetto, non è necessario riaddestrare l'intera intelligenza artificiale da capo.
Uno degli aspetti più interessanti del progetto risiede nel metodo di addestramento. Invece di condurre costosi e lenti test sul campo, il team ha istruito l'AI interamente in un ambiente virtuale. Hanno simulato migliaia di echi sonori in spazi tridimensionali, introducendo distorsioni e "rumore" di fondo per preparare l'algoritmo alle caotiche condizioni del mondo reale. Questo processo, basato su dati sintetici, ha permesso di accelerare notevolmente lo sviluppo mantenendo un'elevata accuratezza.
Durante i test reali, il sistema ha dimostrato di saper identificare con successo diverse forme geometriche basandosi unicamente sugli echi ultrasonici ricevuti, superando anche prove in cui gli oggetti erano stati scelti appositamente per generare riflessi sonori molto simili e potenzialmente confondibili.
How a New Jersey startup found an electrifying way to slash copper costs